Te recomendamos que revises esta solución en un entorno controlado antes de enviarlo a producción, saludos.
Ejemplo 1: implementación de regresión plynomial en python
poly = PolynomialFeatures(degree=2)
X_F1_poly = poly.fit_transform(X_F1)
X_train, X_test, y_train, y_test = train_test_split(X_F1_poly, y_F1,
random_state =0)
linreg = LinearRegression().fit(X_train, y_train)
Ejemplo 2: método numpy para hacer un modelo polinomial
import numpy as np
import matplotlib.pyplot as plt
x =[1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]
y =[100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100]#a method that lets us make a polynomial model:
model = np.poly1d(np.polyfit(x,y,3))#Then specify how the line will display, we start #at position 1, and end at position 22
line = np.linspace(1,22,100)
plt.scatter(x, y)
plt.plot(line, model(line))
plt.show()
Aquí tienes las reseñas y calificaciones
Te invitamos a añadir valor a nuestra información cooperando tu experiencia en las notas.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)